弹性训练

功能特点

训练节点出现故障（启用MindCluster NodeD的节点网络故障或者芯片故障）后，集群调度组件将对故障节点进行隔离，并根据任务预设的规模和当前集群中可用的节点数，重新设置任务副本数，然后进行重调度和重训练（需进行脚本适配）。

所需组件

• MindCluster Ascend Device Plugin
• MindCluster Ascend Docker Runtime
• MindCluster Volcano
• MindCluster HCCL Controller
• MindCluster NodeD
• MindCluster Resilience Controller
• MindCluster ClusterD

使用说明

1. 安装组件请参考安装部署章节进行操作。
2. 特性使用指导请参考弹性训练章节进行操作。